论文部分内容阅读
致密砂岩储层具有低孔低渗、非均质性强的特征,井震数据开展储层预测难度较大,机器学习方法与多信息概率融合技术为致密砂岩储层预测和精细表征提供新的思路和方法,对致密砂岩储层预测具有重要应用价值。以苏里格气田召30区块致密砂岩储层为研究对象,以岩石物理分析和地震正演模拟为指导,从多个角度,采用多种方法逐步实现从定性、半定量、再到定量的储层预测总体思路。首先,实现了致密砂岩储层的地震正演模拟和AVO正演模拟,提供一种定性分析过程。其次,采用频繁项集的地震数据挖掘方法,提取识别砂体和含气性的频繁组合模式,并与地震正演模拟相互印证,提供初步的储层目标;采用半监督模糊C均值方法分析不同参数和不同地震属性组合下的沉积和气层展布特征;基于地震波形和叠前地震属性,采用自组织神经网络方法得到砂体和气层厚度分布规律,提供了有效的定量解释手段。最后,综合机器学习方法得到的多种储层预测信息,建立多信息概率融合法约束下的三维地质模型,得到高精度的储层预测信息。通过上述研究,取得了如下成果:致密砂岩储层的地震正演模拟,结果显示不同厚度、不同含气性储层在地震数据上具有明显的响应特征,AVO类型以III类为主,与叠前地震资料分析结果相符。基于叠前-叠后地震属性,利用频繁项集FP-Growth方法挖掘叠前属性和叠后属性的频繁组合模式,分析结果与AVO正演模拟结果相符,验证了该方法的准确性。基于叠前-叠后不同地震属性组合方案和水平井测井资料,采用半监督模糊C均值方法完成了沉积和气层厚度展布特征的研究,分析结果与钻井数据一致并且优于传统的模糊C均值方法。在归纳的四类地震波反射模式基础上,开展了基于自组织神经网络方法对地震波形和叠前属性的分析,完成了砂体和气层厚度的解释,分析结果与先验地质认识一致。综合多种方法得到的储层信息,建立多信息概率场融合法约束下的三维地质模型,通过交叉验证方法预测砂体厚度误差为3.74m,气层厚度误差为1.34 m。研究表明,机器学习方法在召30区块井震储层预测过程中取得了明显效果,基于多信息概率融合得到的三维地质模型,为钻探部署提供理论依据。